摘要
本发明公开一种基于色彩空间引导的语义分割夜光图像增强方法,包括以下步骤:S1、构建迭代图像增强网络;S2、引入无监督的语义分割网络,计算语义损失;S3、利用HSV色彩空间设计损失函数;S4、设计空间一致性损失;S5、通过总损失函数的组合对网络进行端到端的训练和优化;S6、使用训练完成的网络,对新的夜光图像进行增强处理,输出视觉效果更佳的增强图像。本发明能够有效地改善夜光图像的视觉效果,同时保留图像中的关键细节,不仅提高了夜光图像增强的效果,也保持了图像的自然性和视觉舒适度。通过端到端的训练和优化,本发明能够自动学习到从夜光图像中增强视觉效果的最佳策略,无需人工干预,提高了操作的便捷性和实用性。
技术关键词
图像增强方法
语义分割网络
图像增强网络
无监督
代表
像素
HSV色彩空间
曲线
深度学习网络
参数
邻居
双线性
颜色
上采样
饱和度
系统为您推荐了相关专利信息
麻醉深度监测方法
生理
麻醉深度监测系统
深度值
基准
高速电主轴
GRU神经网络
热误差
神经网络模型
误差预测
资源优化配置
电力施工设备
代表
设备性能数据
投入产出比